2.1由实例学习类
类学习:寻找一个涵盖所有的正例而不涵盖任何负例的描述
类识别器的蔬菜如:对识别结果有关键影响的特征
假设类:H{所有特征值的上下界作为元素组成}
最特殊假设:S覆盖所有正例且不包含所有负例的最小矩形
最一般假设:G覆盖所有正例且不包含所有负例的最大矩形
介于S~G之间的h均为无误差的有效假设,与训练集χ相容,这些h构成了解空间
C:实际类
边缘:h的边界和他相邻最近的实例(正例/负例)之间的差距。最大边缘:S与G中间
误差函数在最大边缘上的最小化:不仅仅返回0、1
诱导假设:h{设定的特征值的上下界作为元素组成}
经验误差:h的预测值不同于训练集